量化投资和价值投资精选(五篇)
发布时间：2023-10-11 15:54:57
序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇量化投资和价值投资，期待它们能激发您的灵感。
篇1
刘钊：量化投资的主要特点是买入、卖出股票，不再是由人的主观判断做出决定，而是由量化模型决定。量化投资是一套科学的方法，有严格的分析、计算，什么好什么不好，不是我们自己说了算，是数据和模型说了算。即使是简单的低市盈率投资方法，只要能严格执行，就能取得超额收益。
记者：排除了人为主观情绪的影响，但由量化模型控制的量化投资基金的收益会如何呢？
刘钊：我们可以看看美国最成功的量化投资大师――詹姆斯・西蒙斯管理的大奖章基金，在1989年―2006年的17年间，大奖章基金平均年收益率达38.5%，而股神巴菲特过去20年的平均年回报率也不过20%。正是鉴于量化投资的巨大威力，摩根士丹利华鑫基金公司经过两年的精心准备，推出了国内真正意义上的量化投资基金――大摩华鑫多因子基金。
记者：量化投资的成败，关键在哪里？
刘钊：普通投资者买卖股票，主要是基于政策、基本面、市场、技术等各种信息和经验来做出交易决定，这些因素属于主观判断，而且往往容易受到情绪的影响。量化投资是将投资思路通过设定的指标、参数体现在量化模型上，通过计算机系统自动买卖股票，因此，量化投资的关键点就在于建立一个好的量化模型。
刘钊：说到投资，大家首先想到的是巴菲特的价值投资，从长期的历史实践看，价值投资确实比较有效，量化投资也可以建立价值投资类的模型。
举例来说，衡量价值投资的最重要指标是低市盈率，如果以市盈率为标准来建模，以2005年5月为时间点，按市盈率对所有上市公司排序，再按市值比例模拟买入市盈率最低的100只股票，第二年5月，重新计算市盈率最低的100只股票，并调整组合，如此重复，每年调整一次仓位。得到的结果是，从2005年5月至2010年5月，沪深300指数的年化收益率为25.4%，同期量化建模的低市盈率策略基金的年化收益率达到29.46%，与沪深300指数相比，低市盈率策略基金的超额收益为4.06%。以此为基础，再以预期市盈率为基础建立一个模型，并模拟买入当年预期市盈率最低的100只股票，量化模型的年化收益率有36.51%。
记者：大摩华鑫的量化投资模型有何成功之处？
刘钊：大摩华鑫量化投资的模型既有一些过去历史上证明非常有效的投资方法，比如价值投资，也有投资管理团队的支持，大摩华鑫资深基金经理多年的投资经验也为大摩华鑫的量化模型提供了一些思路。此外，我们还通过外方股东摩根士丹利以及通过数据挖掘的方法，找到一些好的投资策略，为建模提供思路和方法。
篇2
华尔街从来不乏传奇。2006年,全球最高薪酬收入再次落入一个华尔街人士之手。前数学家、定量化对冲基金经理西蒙斯年收入达到惊人的15亿美元。2009年,另外一群人――高频交易者――帮高盛银行等金融机构赚得盆满钵溢。
这些人,因其使用高等数学手段决定亿万计资金的投向,而在30年前赢得“火箭科学家”名声。在外人看来,他们有些像中世纪的炼金术师:给他们数据,他们还给你美元!
华尔街的数学传说
实际上,在华尔街上管理资金规模最大的量化技术,并非那么不可捉摸:众多公司使用“因子加总模型”辅助他们选择股票。
这种方法大多基于Fama-French的开创性论文,其基本思想很简单:依据各项基本面指标对于历史上超额回报的贡献程度,来决定这些基本面指标在选出“超级股票”上的“有效性”,并据此赋予这些指标不同的权重;按照上市公司指标在全部篮子股票中的排序,再使用上述步骤中获得的权重对其进行加权加总计算。如果该公司的加权之和排名靠前,则表明该公司的基本面指标符合能够带来超额回报的历史模式,从而有望在未来展现强势。
数学模式大同小异,公司之间的竞争主要集中在两个方面:第一,各公司均投入巨资,研制自己的特有指标;第二,研制更加有效、稳定的加总方式。
传统的基本面分析往往要求基金公司雇佣大量分析师,成本高昂。由于每个分析师能够跟踪的公司数目有限,基金经理不得不在较小的股票篮子中进行选择,有可能错失最好的投资机会,投资组合的分散程度也受到限制。同时,依赖基本面分析进行投资管理要求基金经理进行大量的主观判断,人性弱点(贪婪与恐惧)对投资业绩往往产生较大影响,投资业绩波动较大。使用这种方法建构的投资组合往往无法定量化控制每只个股给投资组合带来的风险。从基金公司的角度而言,这种方法对基金经理个人的依赖较大,一旦出现人员变化,基金业绩也往往随之波动。
量化选股方式将投资决策建立在对历史模式的详尽研究之上,克服了上述缺点。其在美国投资界的应用近20年来大幅提升,管理资产额的上升速度为传统方式的4倍。
回归价值投资
然而,过去数年,定量化基金遭遇了重大打击。2007年,最大的定量化机构对冲基金、高盛名下的Global Alpha遭遇了重大损失,几乎清盘。2008年,众多量化基金再遭滑铁卢。笔者在北美也曾主持研制一个包含上百个指标的量化选股系统,但在实践中,却最终放弃。
实战经历指出该类系统的一个致命弱点是,在实战中,哪一类因子何时发挥作用,是不可预测的。有些时候是价值因子占优,有时候是增长因子占优,而何时其影响力出现变化,难以事先预测。其结果就是分析师与基金经理疲于奔命地试图追赶因子影响力变化的脚步,并据此不断矫正模型。如此,基金经理不得不在使用量化系统的同时,使用个人化的随机判断对量化系统进行纠正――这弱化了它本该享有的优势并导致投资业绩大幅波动。
仔细反思,最主要的问题在于,各预测因子被无机地组织在一起,各个因子之间的互相影响却没有被考虑。也就是说,华尔街模型“从数学到数学”,缺乏对投资哲学的深入理解。
量化技术所具有的优势应该被利用,但数学手段应该被视为手段,而不是主导。一个有希望的发展方向,是将量化技术与价值投资哲学相结合,实现“从哲学到数学”式的投资理念。为此,需要在投资哲学上,梳理价值投资理念的本质。
价值投资在国内市场有众多拥护者,也不乏怀疑者。实际上,国内普通投资者对价值投资的理解有值得深化之处。笔者以为,价值投资的本质有二:
第一,价值投资告诉投资者,市场会犯错。以“5毛钱买进1元钱价值”作为号召,价值投资拒绝接受“有效市场理论”。但事实上,在大多数时候市场是有效的。大多数股票的价格正确反映了所有的信息、知识与预期,当时的价格就是上市公司的内在价值。要获得超额回报,必须去寻找市场可能呈现的“异常”,或者说在何处投资者的平均预期可能落空。价值投资就是寻找“未来”与“预期”之间的歧异。量化系统的设计目标是,要有能力淘汰那95%的普通(有效)情况,而把注意力引导剩余的5%――在那里,“未来”与“预期”有最大的机会出现歧异。
第二,价值投资的另一面,是说任何人都会犯错。当我们集中注意力去寻找“超级股票”的时候,是在下一个极大的赌注。这个赌注是高风险的。所以,请记住索罗斯的告诫:“投资者重要的不是做对还是做错,而是在做对的时候赚多少,做错的时候亏多少。”为对冲第一个赌注的风险,需要寻找最大的安全边际――当我们犯错的时,安全边际将保护我们不致尸骨无存。
安全边际是指,市场涨跌的轮回已经测试过所有情景。该公司在完整的牛熊市周期中,由千千万万投资者的真金实银所测试出来的估值空间。因此,安全边际的定义并非相对市场平均水平更低的PE值这么简单。每家公司都不同于别的公司,将不同公司的估值水平相比较,更多时候带来误导而不是洞察力。应该将公司目前估值水平与该公司调整后的历史范围相比较,并决定“安全边际”存在与否。
在实践中,要寻找在未来可能提供业绩惊喜、而仍在其估值范围下限附近交易的公司。依据此思想,数量化技术可以对所有上市公司的投资机会予以量化评估,进而实现“从哲学到数学”的投资思路。
对中国股市独特性的夸大导致某些论者以为,在中国股市,唯有投机可以赢得超额利润。这其实是伪命题。事实上,正是由于中国股市效率较低且风险奇高,一个系统化评估市场错配与风险衡量的系统,可以发挥最大效率。一切都取决于对市场运行规律的深入把握与技术优势的结合。在实践中,我们开发的量化价值投资体系取得了稳定超越指数的优良业绩。这有力地证明,中国股市的特殊性并没有遮盖其作为投资市场的普遍性。
在股市投资这项人类活动中,同时存在着两类知识。一是客观知识,即可以凭借科学(数学)方法来发现的真实;二是主观价值,即通过对价值的认定来获得的完善。在证券分析方法的演进过程中,这两类知识从最初的混沌不分,到此后的分裂和截然对立,再到两者被有机结合。
篇3
刘海影是一位转战国内阳光私募的海外对冲基金经理，他在寻求价值投资理解的基础上建立了自己的数量化投资逻辑，并以此为利器展开了国内阳光私募之旅。
刘海影曾担任加拿大某对冲基金公司基金经理和首席投资官，2011年回国与广晟集团合作创立广东广晟财富投资管理中心并担任投资总监。
广东广晟财富投资管理中心也是国内首家拥有国企背景的阳光私募公司，大股东深圳市广晟投资发展有限公司是广晟投资集团旗下全资子公司和资产运作平台。
对冲基金经理转战A股
刘海影是在2001年前往加拿大开始自己的海外投资经历，当时他正在攻读北京大学金融学博士学位，而在此之前，刘海影作为A股第一批操盘手已经在资本市场颇有斩获。
对于归国从事阳光私募管理，刘海影表示，一是希望追求事业的进一步提升，二是希望把国外学习多年的投资经验应用到国内股市。
刘海影说，他在加拿大管理的对冲基金有两个品种，一个是宏观对冲性质的多资产平衡基金，一个是传统的多空对冲基金，两种基金都大量运用了数量化模型。而数量化投资在国内还处于起步阶段，他期待通过这种系统科学的投资理念引导投资者比较成熟和理性的投资思考方式。
量化投资寻找市场犯错机会
“价值投资就是用5毛钱的价格买入1块钱的价值”。刘海影崇尚价值投资，这里假设市场犯错，给投资者一个便宜买进的机会。
但事实上市场犯错的机会是很少的，根据刘海影的分析和判断，美国可能是5%，8000多家上市公司，可能有500家公司存在定价不太正确，其他的都难言错误；而中国市场的机会更多一些，可能有10%甚至15%，2000多家上市公司可能有200多家定价不完全正确。
在刘海影看来，寻找市场犯错的机会也就是寻找价值，并不是一件容易的事情。他希望通过一套科学的量化系统去发现这些机会，因此，3年之前，在国外量化模型的基础上，他开发了首套国内上市公司价值评估量化体系。
刘海影说，这套价值评估量化体系的一个核心环节就是寻找业绩惊奇，即，在未来一段时间，上市公司基本面能表现出跟大家预期不同的状况。通过定量化模型对每家公司建立一个数据库，分别计算88个分析指标，每家公司都形成一份长达11页的详尽的分析报告，再给出1-9级的价值评级。
除了业绩惊奇，安全边际也是这个量化模型重要的一部分，刘海影寻找的投资标的需同时满足这两个条件，这样2000家公司里面大概有200多家公司会符合标准。最后再做进一步的基本面分析和调研，最终会有50家公司进入投资组合。
战略风险评级确定投资仓位
对资产组合的风险管理，刘海影非常重视对宏观经济的研究和整体市场的估值高低。刘海影说，中国股市的系统性风险是很大的，经济各个方面的变化导致市场下跌时，个股会普跌，因此他觉得对股市的战略风险进行研判和系统化评估是很重要。
而对宏观经济的研究也是建立在量化分析的基础上，重要的变量包括利率、生产物价指数，固定投资增速、美国贸易逆差、重工业与轻工业指数之差等，计算和分析历史上这些指标对于股市的运行方向以及作用度大小。
整体估值水平的高低也是判断风险的重要指标，主要是通过这两个指标来分析战略风险确定仓位。刘海影举例说，“2008年，当时估值水平高，宏观经济环境也不利，在我们的战略风险评级里面处于第九级，最差的评级，因此仓位应该小一点，谨慎一点。之后随着宏观经济刺激政策的出台，宏观经济环境由不利变成中立，再变成有利，同时估值也在下降，风险评级也相应的从9级变为3级、2级和1级，提示市场存在较大的机会”。
股市上扬的机会在四季度或明年一季度
“根据我们的战略风险量化评级体系，目前市场的估值水平合理偏低估，宏观经济处于经济是在下滑的过程中间”。刘海影对未来一段时间的市场行情表示谨慎，中短期内看不见大行情到来的迹象，股市的上扬的机会可能会在四季度或者明年一季度之后。
刘海影说，今年的经济增速能维持在9%以上，因为 GDP基数高，但从微观经济层面来讲，企业的效益是下滑的，中小企业的处境比较艰难，未来这种情况可能难以迅速好转，明年经济状况比今年困难。
按照他们量化的计算，目前整个经济环境类似2004年的下半年。从目前来看，经济从被动加库存逐步演变到主动减库存的阶段，行业竞争进入白热化，现金流会紧张，企业的利润率会下滑，对市场形成利空。
对于通胀，刘海影表示周期性因素较大，主要原因是固定投资增速太大，历史上，在投资建设期，通胀的压力都会很大，新项目上马，下游行业的景气传递到下游和中间环节，互相推进，提价空间比较大，通胀就会上去。
一旦投资建设期走向产能释放期，新项目投产，变成产能后竞争就会很激烈，需求没有增加，供在增加，供过于求，通胀压力就会下来。
重仓房地产不看好银行
尽管对未来的行情表示谨慎，在刘海影看来，由于估值在下降，短期内不排除机构性机会的出现，一些错杀的公司值得买入。
在其量化资产组合中，地产股是目前仓位相对较重的板块，他们的分析指出，伴随着中国的高经济增长，房地产价格的上升和投资额的上升是有坚实的经济学基础的。政府的调控改变不了其内在的动力，并不认同中国的房地产价格一定要会下滑，只是增长的速度会下滑。
而在调控之下，往往会出现上市房企的的市场份额扩大，一些区域性城房地产上市公司的机会更大。
“市场数据支撑我们的看法，今年来房地产股票指数是上升的，到6月30日，大盘跌了2%―3%，小盘股跌的更多，房地产指数上涨了5%多”刘海影表示，所以做投资一定要看到市场喧嚣下的一些事实，不能完全由市场情绪来主导。
篇4
在BGI的主动投资领域中， “市场中性”策略取得了巨大成功。黎海威开发的香港、新加坡市场的量化模型正是运用到此类市场中性基金，它们采用的是后来名满天下的基本面量化投资方法。简要地说，基本面量化投资即借助一系列基本面因子构建的量化模型筛选股票，以融资融券的方式实现多空对冲，从市场中获得绝对收益。除此以外，相关模型也运用到指数增强和130/30基金。
在黎海威看来，投资是个概率问题，通过基本面分析，提高找出好股票从而跑赢市场的概率，即赢面。如果挑选的每只股票的赢面在55%，而投资组合由100只这样的股票构成，整个投资组合战胜市场的概率就会接近100%。
量化投资的核心在于维持一个稳定的赢面，而在比较大的范围（即投资的宽度）内运用它。挑选出好股票，需要从合适的维度来筛选，比如估值、盈利质量、情绪等等。这些因子都不是随意挑选的，它们一般有金融理论背景（价值投资、行为金融等）支持， 并结合了当地市场的实际情况。
基本面量化投资并非像人们想象的只是靠跑系统选股和交易，事实上，它的本质是主动投资。这样的投资方法，关注基本面和市场演变，需要基金经理的经验、判断和对市场的理解。黎海威认为，关键在对市场黎海威在量化投资的世界里，华人迄今掌管的最成功基金之一是巴克莱亚洲（除日本）市场中性股票投资基金。2012年8月，曾在巴克莱工作时间最长的华人基金经理黎海威，回国进入景顺长城基金，担任景顺长城基金的量化及ETF投资总监。他即将启动其在国内的第一个量化投资产品——景顺长城沪深300指数增强基金。的理解， 在把量化框架和当地市场的实际情况结合起来，在强调纪律性的前提下， 坚持以量化模型为依托， 不断地将新出现的现象和发现的规律抽象出来，添加到模型中。
与此同时，对于特殊事件，比如数据错误、 收购兼并等量化模型无法及时处理的情况， 需要基金经理在投资组合中控制相关风险。更为重要的是，因子的研究和权重的调整要有前瞻性。例如在次贷危机发生后很长一段时间里，人们对价值股没有任何兴趣，但随着违约风险逐步降低，价值股在2010年迎来了相当强劲的行情。当时，由黎海威担任基金经理的亚洲（除日本）市场中性股票投资基金及时调整了价值股权重，获得很好的业绩。
当然，基本面量化投资有着量化的纪律性，这是业绩稳定性的保障。黎海威认为，量化投资的纪律性首先表现在量化研究的严谨性上。做量化投资并非像大家想象中的多空对决的精彩，反而有点像做金融的博士论文，整个研究过程从课题的提出到研究、回测都是在严密的框架下进行的，是可重复验证的。
篇5
摘 要 自2010年4月股指期货推出后，数量化投资逐渐成为我国资本市场的一个热点。对此，本文以投资者熟知的MACD指标为基础，运用遗传算法和模拟退火算法，建立了一个数量化投资模型。该模型的仿真投资收益明显超出大盘，而风险明显低于大盘。本文基于MACD指标建立数量化投资模型的方法简单、有效，可操作性强，可方便地推广至其他技术指标，在数量化投资领域中可能具有广泛的发展前景。
关键词 数量化投资 MACD 遗传算法 模拟退火算法
一、研究背景
与传统投资基于各方面信息和个人判断进行操作不同，数量化投资将适当的金融理论、投资经验等反映在数量模型中，然后利用程序软件代替大脑对海量信息进行科学处理，总结归纳市场规律，最终建立可以重复使用的、不依靠个人主观判断的投资策略。
由于数量化投资的操作策略往往经过了严格的验证，具有较强的系统性和规范性，主观随意性较少，风险可测可控，因此随着计算机数据处理能力的迅速提高，数量化投资获得了快速发展，数量化基金的规模亦迅速扩大。据统计，自2003年以来，数量化基金规模的年均增长速度高达15%，而传统型基金规模的增长速度则低于5%。
很显然，科学的数量模型是数量化投资成败的关键。当前，主流的数量模型均考虑了多方面的因素，既包括各种基本面因素，又包括各种技术因素，涉及较为高深的经济学、金融学、技术分析等知识，模型都比较复杂，理解难度较高，甚至令人望而生畏。对此，本文以人们熟知的技术指标为基础，通过引入遗传算法和模拟退火算法对参数进行优化，建立了一种较为简单、有效的数量模型构建方法，希望能为推动我国刚刚起步的数量化投资发展有所帮助。
二、模型框架
由于MACD指标以经平滑后的股票价格为基础，而股票价格包含了绝大部分的基本信息和技术信息，因此本文以MACD指标为基础研究建立相应的数量化投资模型。
（一）MACD公式
MACD是投资者最熟悉的技术指标之一，主要包括EMA、DIF和DEA三个指标，涉及一个已知变量（收盘价P）和三个未知参数（ 和 ），公式较为简单。
（二）决策准则
虽然MACD指标的运用方式有很多种，既存在对指标值的应用（如比较DIF和DEA的大小），又存在对形态的应用（如底背离、顶背离等）。对此，本文制定的决策准则相当简单，即：
时，做多
时，做空
三、模型参数优化
（一）参数的科学取值是决定MACD指标投资决策价值的一个关键因素
在一般的技术分析参考书和交易软件中， 和 通常取12、26和9。然而，该取值并不是最优的。
例如，以2005年1月5日至2010年12月31的沪深300指数为例，根据（公式1）和（公式2），做多业务在 和 取值12、26和9时，可获得的投资收益为230.55%（收益①）；而在 和 取40、195、130时，可获得的投资收益为651.98%（收益②）。
因此，参数取值是否合理决定了使用MACD指标进行投资决策时投资收益的高低，决定了MACD指标的投资决策价值。
（二）人工智能算法在技术指标参数优化领域中的突出优势
运用MACD指标建立数量化投资模型的关键在于对公式中的三个参数进行优化。然而，虽然参数取值与投资收益间存在确定的函数关系，但该关系并不能用一个表达式予以直接阐述，因此传统的解析方法在此并不适用。而其他传统方法如随机法和穷举法的优化效率不高。在此情况下，可运用人工智能算法有效解决此类优化难题。
遗传算法（Genetic Algorithms）和模拟退火算法（Simulated Annealing Algorithms）是人工智能的重要分支，两者均从一定的初始值开始，按照明确的规则搜索最优解，并不要求目标函数存在明确的表达式，且具有高效、鲁棒性强等特点。由于技术指标参数与投资收益间的关系相当复杂，不存在明确的函数关系式，因此遗传算法和模拟退火算法在技术指标参数优化领域中具有很高的应用价值。
此外，遗传算法和模拟退火算法的基本原理和运算过程虽然较为复杂，但其运用却相当简单，MATLAB等数据处理软件均提供了现成的工具箱供用户方便地使用，且即使不掌握参数优化的原理和运算过程，也不会对数量模型的研究产生重大影响，因此运用遗传算法和模拟退火算法对技术指标参数进行优化的可操作性强。
（三）遗传算法和模拟退火算法应用举例
1.MATLAB指令
假设投资收益R和参数 、 间的关系为R=gain( 、 )，则MATLAB的遗传算法指令和模拟退火算法指令分别为：
[x,fval] = ga(@gain,nvars, [],[],[],[],lb,ub,[],options)；
[x,fval] = simulannealbnd(@gain,x0,lb,ub,options)。
其中：
x和fval是程序返回值，分别为参数 、 的最优化取值及其所对应的投资收益；
gain是目标函数，可根据（公式1）、（公式2）和（公式3）编写；
nvars是待优化的参数个数；
x0是参数 、 的初始值；
lb是参数的下界；
ub是参数的上界；
options是MATLAB指令的设置选项。
